基于自适应神经—模糊推理系统的铅酸蓄电池SOC模型辨识

论文摘要

铅酸蓄电池的剩余容量（state of charge,SOC,又称荷电状态）,对电池的健康稳定运行有着至关重要的影响。怎样及时准确地获得铅酸蓄电池SOC是电池监测管理系统中的关键技术之一。目前,利用神经-模糊和软计算并结合电池内部和外部关键参数获取铅酸蓄电池的剩余容量,已成为电池检测管理研究中的热点。论文通过分析铅酸蓄电池的电化学特性和常用的SOC检测方法,确定了影响SOC的关键参量,并提出了一种基于自适应神经-模糊推理系统的电池SOC模型辨识方法。经对电池相关理论研究发现,铅酸蓄电池的电解液密度是影响SOC的十分关键的参量。采用自制的银/硫酸银参比电极在电池充放电实验中来获取正、负电极电势。利用BP网络、径向基网络（RBF）和自适应神经-模糊系统（ANFIS）对电解液密度进行参数辨识,训练后误差满足要求。通过分析比较前三种辨识方法,用ANFIS对电池的剩余容量进行模型辨识,说明了ANFIS具有较强的自适应和泛化能力,在MATALAB平台上仿真得到的精度比较理想,可用于蓄电池智能监控系统中。最后对基于ANFIS电池SOC检测算法作了进一步的研究分析。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题来源与意义
• 1.2 铅酸蓄电池SOC 检测方法的研究现状
• 1.3 本论文的主要研究内容
• 2 铅酸蓄电池的研究
• 2.1 铅酸蓄电池的工作原理
• 2.2 铅酸蓄电池的主要电特性
• 2.3 影响铅酸蓄电池SOC 的主要因素
• 2.4 本章小结
• 3 神经- 模糊和软计算理论研究
• 3.1 软计算的基本理论
• 3.2 人工神经网络原理与方法
• 3.3 模糊系统概述
• 3.4 自适应神经- 模糊推理系统
• 3.5 神经- 模糊和软计算的特征
• 3.6 本章小结
• 4 铅酸蓄电池的相关实验
• 4.1 电极电位传感器的设计
• 4.2 铅酸蓄电池的放电试验
• 4.3 本章小结
• 5 基于自适应神经- 模糊推理系统的SOC 估计
• 5.1 引言
• 5.2 人工神经网络在SOC 检测的应用
• 5.3 径向基函数（RBF）网络在铅酸蓄电池电解液密度检测中的应用
• 5.4 自适应神经- 模糊系统推理应用于铅酸蓄电池参数辨识
• 5.5 本章小结
• 6 总结与展望
• 6.1 论文总结
• 6.2 今后工作展望
• 致谢
• 参考文献
• 附录 1
• 附录 2